論文の概要: minOffense: Inter-Agreement Hate Terms for Stable Rules, Concepts,
Transitivities, and Lattices
- arxiv url: http://arxiv.org/abs/2305.17984v1
- Date: Mon, 29 May 2023 09:47:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 15:41:28.939986
- Title: minOffense: Inter-Agreement Hate Terms for Stable Rules, Concepts,
Transitivities, and Lattices
- Title（参考訳）: minOffense: 安定したルール、概念、トランジビティ、遅延のためのアグリメント間憎悪用語
- Authors: Animesh Chaturvedi and Rajesh Sharma
- Abstract要約: どのヘイト用語がヘイトスピーチの分類に最も貢献するかを理解することは困難である。
本稿では,Hate Terms(HTs)の関係を定量的に測定し,質的に可視化する2つの方法を提案する。
- 参考スコア（独自算出の注目度）: 0.15229257192293197
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hate speech classification has become an important problem due to the spread
of hate speech on social media platforms. For a given set of Hate Terms lists
(HTs-lists) and Hate Speech data (HS-data), it is challenging to understand
which hate term contributes the most for hate speech classification. This paper
contributes two approaches to quantitatively measure and qualitatively
visualise the relationship between co-occurring Hate Terms (HTs). Firstly, we
propose an approach for the classification of hate-speech by producing a Severe
Hate Terms list (Severe HTs-list) from existing HTs-lists. To achieve our goal,
we proposed three metrics (Hatefulness, Relativeness, and Offensiveness) to
measure the severity of HTs. These metrics assist to create an Inter-agreement
HTs-list, which explains the contribution of an individual hate term toward
hate speech classification. Then, we used the Offensiveness metric values of
HTs above a proposed threshold minimum Offense (minOffense) to generate a new
Severe HTs-list. To evaluate our approach, we used three hate speech datasets
and six hate terms lists. Our approach shown an improvement from 0.845 to 0.923
(best) as compared to the baseline. Secondly, we also proposed Stable Hate Rule
(SHR) mining to provide ordered co-occurrence of various HTs with minimum
Stability (minStab). The SHR mining detects frequently co-occurring HTs to form
Stable Hate Rules and Concepts. These rules and concepts are used to visualise
the graphs of Transitivities and Lattices formed by HTs.
- Abstract（参考訳）: ソーシャルメディア上でのヘイトスピーチの普及により,ヘイトスピーチ分類は重要な問題となっている。
Hate Terms list (HTs-lists) と Hate Speech data (HS-data) のセットでは、ヘイト用語がヘイトスピーチ分類に最も貢献するかを理解することは困難である。
本稿では,Hate Terms (HTs) 間の関係を定量的に測定し,質的に可視化する2つの手法を提案する。
まず,既存のHTsリストからSevere Hate Terms List(Severe HTs-list)を作成し,ヘイトスピーチの分類手法を提案する。
目的を達成するため,HTの重症度を測定するために3つの指標(ヘイトフルネス,相対性度,攻撃性)を提案した。
これらの指標は、ヘイトスピーチ分類に対する個人のヘイト用語の貢献を説明する、インターアグリメントHTsリストの作成を支援する。
次に、提案しきい値であるminOffense(minOffense)の上のHTsのOffensiveness測定値を用いて、新しいSevere HTsリストを生成する。
提案手法の評価には,3つのヘイトスピーチデータセットと6つのヘイトワードリストを用いた。
提案手法はベースラインに比べて0.845から0.923に改善した。
第2に,各HTの安定Hate Rule (SHR) マイニングを提案し,最小安定性 (minStab) を付与した。
SHRマイニングは、しばしばHTを共起して安定なHate Rules and Conceptsを形成する。
これらの規則と概念は、HTによって形成されるトランジビティと格子のグラフを可視化するために使用される。
関連論文リスト
- Who Evaluates the Evaluations? Objectively Scoring Text-to-Image Prompt Coherence Metrics with T2IScoreScore (TS2) [62.44395685571094]
T2IScoreScoreはプロンプトを含むセマンティックエラーグラフのキュレートされたセットであり,誤画像の集合である。
これにより、与えられた迅速な忠実度測定値が、客観的な誤差数に対して正しく画像を順序付けできるかどうかを厳格に判断することができる。
最先端のVLMベースのメトリクスは、CLIPScoreのような単純な(そしておそらく悪い)機能ベースのメトリクスを著しく上回りません。
論文 参考訳（メタデータ） (2024-04-05T17:57:16Z) - Making Large Language Models Better Reasoners with Alignment [57.82176656663245]
推論(Reasoning)とは、証拠を使って結論に達する認知過程である。
近年の研究では、思考の連鎖(COT)推論プロセスによるデータ上の微調整LDMは、その推論能力を著しく向上させることができることが示されている。
テキストアライメントファインチューニング(AFT)パラダイムを3ステップで導入する。
論文 参考訳（メタデータ） (2023-09-05T11:32:48Z) - Revisiting Hate Speech Benchmarks: From Data Curation to System
Deployment [26.504056750529124]
GOTHateは、Twitterからヘイトスピーチを検出するために約51万の投稿をクラウドソースした大規模クラウドソースデータセットである。
最近の10のベースラインでベンチマークを行い、内因性信号の追加がヘイトスピーチ検出タスクをどのように強化するかを検討する。
我々のHEN-mBERTは多言語混合実験モデルであり、潜在内因性信号で言語的部分空間を豊かにする。
論文 参考訳（メタデータ） (2023-06-01T19:36:52Z) - RankCSE: Unsupervised Sentence Representations Learning via Learning to
Rank [54.854714257687334]
本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。
コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。
セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
論文 参考訳（メタデータ） (2023-05-26T08:27:07Z) - CoSyn: Detecting Implicit Hate Speech in Online Conversations Using a
Context Synergized Hyperbolic Network [52.85130555886915]
CoSynは、オンライン会話における暗黙のヘイトスピーチを検出するために、ユーザと会話のコンテキストを明示的に組み込んだ、コンテキスト中心のニューラルネットワークである。
我々は、CoSynが、1.24%から57.8%の範囲で絶対的に改善された暗黙のヘイトスピーチを検出することで、我々のベースラインを全て上回っていることを示す。
論文 参考訳（メタデータ） (2023-03-02T17:30:43Z) - Combating high variance in Data-Scarce Implicit Hate Speech
Classification [0.0]
我々は,最先端の性能を実現する新しいRoBERTaモデルを開発した。
本稿では,様々な最適化手法と正規化手法を探求し,最先端性能を実現するRoBERTaベースの新しいモデルを開発する。
論文 参考訳（メタデータ） (2022-08-29T13:45:21Z) - Speaker Identity Preservation in Dysarthric Speech Reconstruction by
Adversarial Speaker Adaptation [59.41186714127256]
変形性音声再建(DSR)は,変形性音声の品質向上を目的としている。
話者識別に最適化された話者エンコーダ (SE) について検討した。
我々は,新しいマルチタスク学習戦略,すなわち対人話者適応(ASA)を提案する。
論文 参考訳（メタデータ） (2022-02-18T08:59:36Z) - Addressing the Challenges of Cross-Lingual Hate Speech Detection [115.1352779982269]
本稿では,低リソース言語におけるヘイトスピーチ検出を支援するために,言語間移動学習に着目した。
言語間単語の埋め込みを利用して、ソース言語上でニューラルネットワークシステムをトレーニングし、ターゲット言語に適用します。
本研究では,ヘイトスピーチデータセットのラベル不均衡の問題について検討する。なぜなら,ヘイトサンプルと比較して非ヘイトサンプルの比率が高いことがモデル性能の低下につながることが多いからだ。
論文 参考訳（メタデータ） (2022-01-15T20:48:14Z) - Latent Hatred: A Benchmark for Understanding Implicit Hate Speech [22.420275418616242]
この研究は、暗黙のヘイトスピーチの理論的に正当化された分類法と、各メッセージにきめ細かいラベルを付けたベンチマークコーパスを導入している。
本稿では、同時代のベースラインを用いて、暗黙のヘイトスピーチを検出し、説明するためにデータセットを体系的に分析する。
論文 参考訳（メタデータ） (2021-09-11T16:52:56Z) - An Information Retrieval Approach to Building Datasets for Hate Speech
Detection [3.587367153279349]
「一般的な慣行は、既知の憎しみの言葉を含むツイートを注釈するだけである。」
第二の課題は、ヘイトスピーチの定義が高度に変動し、主観的である傾向があることである。
我々の重要な洞察は、ヘイトスピーチの希少性と主観性が情報検索(IR)の関連性に類似していることである。
論文 参考訳（メタデータ） (2021-06-17T19:25:39Z) - Annotating for Hate Speech: The MaNeCo Corpus and Some Input from
Critical Discourse Analysis [3.3008315224941978]
本稿では,Web 2.0コメンタリーのコーパスにおいて,ヘイトスピーチのアノテーションのための新しいスキームを提案する。
地中海の移民危機やマルタのLGBTIQ+問題に関するニュースに反応した投稿の批判的な分析に動機づけられている。
本稿では,二分詞+/-ヘイト音声分類に対してパイロットテストを行い,より高いアノテータ間合意が得られる多層アノテーション方式を提案する。
論文 参考訳（メタデータ） (2020-08-14T07:39:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。